Une étude renverse la théorie séculaire de l'apprentissage cérébral
Pendant des décennies, les scientifiques ont pensé que l'apprentissage se faisait dans les synapses, ou les nombreuses jonctions entre les cellules cérébrales. Mais maintenant, une nouvelle étude propose que l'apprentissage se produise dans quelques dendrites, les branches qui alimentent les intrants de la cellule cérébrale, ou neurone.
Dans un article qui est maintenant publié dans la revue Rapports scientifiques, les auteurs décrivent comment ils sont arrivés à cette conclusion après avoir étudié des modèles informatiques de neurones et de cultures cellulaires.
Dans le vaste réseau neuronal du cerveau, les neurones se comportent comme de minuscules micropuces qui absorbent les entrées via leurs dendrites et - lorsque certaines conditions sont atteintes - créent des sorties en utilisant leurs axones.
Les axones, à leur tour, sont connectés aux dendrites d'autres neurones par des liens appelés synapses. Il y a beaucoup plus de synapses par neurone que de dendrites.
Un résultat significatif de la nouvelle recherche est que, parce qu'elle propose que l'apprentissage se déroule dans des dendrites et non dans des synapses, les paramètres d'apprentissage pour chaque neurone sont beaucoup moins nombreux qu'on ne le pensait auparavant.
«Dans ce nouveau processus d'apprentissage dendritique», note l'auteur principal de l'étude, le professeur Ido Kanter, du Gonda Interdisciplinary Brain Research Center de l'Université Bar-Ilan en Israël, «il y a quelques paramètres adaptatifs par neurone, par rapport à des milliers de minuscules et sensibles dans le scénario d'apprentissage synaptique. »
L'apprentissage se fait plus vite qu'on ne le pensait
Un autre résultat important de la nouvelle étude est que le processus d'apprentissage se déroule beaucoup plus rapidement dans le nouveau modèle dendritique que dans le modèle synaptique traditionnel.
Les résultats peuvent avoir des implications importantes pour les traitements des troubles cérébraux et la conception d'applications informatiques - telles que les «algorithmes d'apprentissage en profondeur» et l'intelligence artificielle - qui sont basées sur l'imitation du fonctionnement du cerveau.
Les chercheurs prévoient que, dans le cas de ce dernier, leur étude ouvre la porte à la conception de fonctionnalités plus avancées et de vitesses de traitement beaucoup plus rapides.
Le modèle d'apprentissage synaptique traditionnel est enraciné dans les travaux pionniers de Donald Hebb qui ont été publiés en 1949 dans le livre L'organisation du comportement.
Ce modèle, que le professeur Kanter et ses collègues appellent «l'apprentissage par les liens», propose que les «paramètres d'apprentissage» qui changent au cours du processus d'apprentissage reflètent le nombre de synapses, ou liens, par neurone, qui sont les unités de calcul dans le réseau neuronal.
«Apprentissage par nœuds»
Dans leur nouveau modèle - qu'ils appellent «apprentissage par nœuds» - les chercheurs proposent que les paramètres d'apprentissage ne reflètent pas le nombre de synapses, dont il y en a beaucoup par neurone, mais le nombre de dendrites, ou nœuds, dont il sont seulement quelques-uns par neurone.
Par conséquent, expliquent-ils, «dans un réseau de neurones connectés», le nombre de paramètres d'apprentissage par neurone dans le modèle synaptique est «significativement plus grand» que le nombre dans le modèle dendritique.
L'objectif principal de leur étude était de comparer les «propriétés dynamiques coopératives entre les scénarios d'apprentissage synaptique (lien) et dendritique (nodal)».
Les auteurs de l'étude concluent que leurs résultats «indiquent fortement qu'un processus d'apprentissage plus rapide et amélioré se produit dans les dendrites neuronales, de manière similaire à ce qui est actuellement attribué aux synapses».
Les synapses faibles jouent un rôle clé dans l'apprentissage
Une autre découverte importante de l'étude est qu'il semble que les synapses faibles, qui représentent la majeure partie du cerveau et dont on pensait qu'elles jouent un rôle insignifiant dans l'apprentissage, sont en fait très importantes.
Les auteurs notent que «la dynamique est contre-intuitive principalement régie par les maillons faibles».
Il semble que, dans le modèle dendritique, les synapses faibles font osciller les paramètres d'apprentissage plutôt que de se déplacer vers des «extrêmes fixes irréalistes», comme dans le modèle synaptique.
Le professeur Kanter résume les résultats en établissant des comparaisons avec la façon dont nous devrions mesurer la qualité de l'air.
«Est-il logique», demande-t-il, «de mesurer la qualité de l'air que nous respirons via de nombreux capteurs satellites minuscules et distants à l'élévation d'un gratte-ciel, ou en utilisant un ou plusieurs capteurs à proximité immédiate du nez?»
«De même, il est plus efficace pour le neurone d'estimer ses signaux entrants à proximité de son unité de calcul, le neurone.»
Professeur Ido Kanter
